
京东深挖11.11大数据 用户需求细分(1)_数据分析师
2014年11月下旬,京东在《京东技术解密》新书发布会上,首次公布了2014年11.11的部分大数据洞察。这其中,既包括有新用户高速增长的消息,也有用户消费结构升级的数据。从这些大数据洞察中,我们不难发现,由一个个平凡的个体构成的网购群体,却有了不凡的表现。在“保民生,促增长”上,京东给了我们别样的启示。
11.11用户行为特征——熬夜血拼,更看重品牌
数据分析表明,随着京东11.11多年的经营,品牌和形象深入人心,得到越来越多网购人群的关注和认可,参与程度越来越高;另一方面,京东在移动战略上的持续投入,使得用户的移动下单行为大幅提升。2014年与2013年相比,熬夜族(24点—1点)人群参与度明显增加,未来的电商购物将打破时间与空间上的差异,让每天都是“11.11”。
京东分析了一组11.11与国庆假期期间用户购买行为的对比,在国庆黄金周期间,相对价格越高的产品,用户购买时越关注品牌,例如冰箱、手机;而像衬衫、护发品等单品价格比较低并且产品种类较丰富的产品,用户对品牌的关注程度相对比较弱。而在11.11大促期间,用户对品牌的关注程度整体都提高了,不管价格高低,大家都会比较在意品牌。包括衬衫、护发品在内,用户在选择时都会把品牌放到更重要的位置。
消费者目标性增强——新用户11.11集中消费
数据显示,2014年11.11,消费者的目的更强。新老用户集中下单的时间都在10日和11日,新用户11.11当天下单量占新用户11.1-11.11期间总单量的34%,老用户则为28%;同时,新用户伴随双11的深入,消费金额逐渐增加,在11.11当天达到高峰。这表明,不少新用户是奔着11.11而来,而且血战到底,消费者过11.11电商大节的目的性也更加明确。
从单品来看,京东很多单品创下了销售纪录,如11.11期间销售肥皂80多万块,115多吨,相当于23头大象;仅卫生纸就售出了至少900万卷,以及8亿多抽手纸,按一秒钟扯一抽来计算,至少要扯3年,按一卷纸30米算,900万卷至少可绕地球7圈。
日用品受青睐——京东商品扩军受用户追捧
2013年11.11期间,新用户的购物主要集中在电脑办公、手机数码品类,用户数占比分别为16%、13%。2014年11.11期间,新用户的采购重点集中在服饰内衣、鞋靴箱包等品类,用户数占比分别为21%、12%。
长期以来,不少人印象中总认为3C品类是京东的核心竞争力,但最新的数据则说明服装、日用品等与普通用户生活息息相关的品类迅速崛起,成为用户上京东采购的新宠。一方面是京东全面扩展经营品类,更丰富的商品吸引了用户。另一方面,无论3C还是日百,京东一直坚持正品、行货、低价的策略,在电商平台的竞争中形成了越来越明显的特色,让用户信赖。因此,京东的新用户们会自然而然地根据自己的需求在京东采购商品,而不会被“京东3C特别强”的传统印象所影响。
数据分析咨询请扫描二维码
若不方便扫码,搜微信号:CDAshujufenxi
Pandas 选取特定值所在行:6 类核心方法与实战指南 在使用 pandas 处理结构化数据时,“选取特定值所在的行” 是最高频的操作之 ...
2025-09-30球面卷积神经网络(SCNN) 为解决这一痛点,球面卷积神经网络(Spherical Convolutional Neural Network, SCNN) 应运而生。它通 ...
2025-09-30在企业日常运营中,“未来会怎样” 是决策者最关心的问题 —— 电商平台想知道 “下月销量能否达标”,金融机构想预判 “下周股 ...
2025-09-30Excel 能做聚类分析吗?基础方法、进阶技巧与场景边界 在数据分析领域,聚类分析是 “无监督学习” 的核心技术 —— 无需预设分 ...
2025-09-29XGBoost 决策树:原理、优化与工业级实战指南 在机器学习领域,决策树因 “可解释性强、处理非线性关系能力突出” 成为基础模型 ...
2025-09-29在标签体系的落地链路中,“设计标签逻辑” 只是第一步,真正让标签从 “纸上定义” 变为 “业务可用资产” 的关键,在于标签加 ...
2025-09-29在使用 Excel 数据透视表进行多维度数据汇总时,折叠功能是梳理数据层级的核心工具 —— 通过点击 “+/-” 符号可展开明细数据或 ...
2025-09-28在使用 Pandas 处理 CSV、TSV 等文本文件时,“引号” 是最容易引发格式混乱的 “隐形杀手”—— 比如字段中包含逗号(如 “北京 ...
2025-09-28在 CDA(Certified Data Analyst)数据分析师的技能工具箱中,数据查询语言(尤其是 SQL)是最基础、也最核心的 “武器”。无论 ...
2025-09-28Cox 模型时间依赖性检验:原理、方法与实战应用 在生存分析领域,Cox 比例风险模型(Cox Proportional Hazards Model)是分析 “ ...
2025-09-26检测因子类型的影响程度大小:评估标准、实战案例与管控策略 在检测分析领域(如环境监测、食品质量检测、工业产品合规性测试) ...
2025-09-26CDA 数据分析师:以数据库为基石,筑牢数据驱动的 “源头防线” 在数据驱动业务的链条中,“数据从哪里来” 是 CDA(Certified D ...
2025-09-26线性相关点分布的四种基本类型:特征、识别与实战应用 在数据分析与统计学中,“线性相关” 是描述两个数值变量间关联趋势的核心 ...
2025-09-25深度神经网络神经元个数确定指南:从原理到实战的科学路径 在深度神经网络(DNN)的设计中,“神经元个数” 是决定模型性能的关 ...
2025-09-25在企业数字化进程中,不少团队陷入 “指标困境”:仪表盘上堆砌着上百个指标,DAU、转化率、营收等数据实时跳动,却无法回答 “ ...
2025-09-25MySQL 服务器内存碎片:成因、检测与内存持续增长的解决策略 在 MySQL 运维中,“内存持续增长” 是常见且隐蔽的性能隐患 —— ...
2025-09-24人工智能重塑工程质量检测:核心应用、技术路径与实践案例 工程质量检测是保障建筑、市政、交通、水利等基础设施安全的 “最后一 ...
2025-09-24CDA 数据分析师:驾驭通用与场景指标,解锁数据驱动的精准路径 在数据驱动业务的实践中,指标是连接数据与决策的核心载体。但并 ...
2025-09-24在数据驱动的业务迭代中,AB 实验系统(负责验证业务优化效果)与业务系统(负责承载用户交互与核心流程)并非独立存在 —— 前 ...
2025-09-23CDA 业务数据分析:6 步闭环,让数据驱动业务落地 在企业数字化转型中,CDA(Certified Data Analyst)数据分析师的核心价值,并 ...
2025-09-23